融合NBC与PNN的网络异常分类

摘要：

　　对网络异常进行分类有利于管理员更好地管理网络，然而单一的分类器存在对各类异常的分类效果不均衡，不够全面等问题。鉴于此在研究了常用于分类的概率神经网络（Probability Neural Network，PNN）算法和朴素贝叶斯分类器（Naive Bayes Classifier，NBC）算法的基础上提出了一种融合NBC与PNN的网络异常分类模型。该模型将PNN与NBC对各类网络异常的分类精度作为权值，通过计算得出未知流量所属各类别的概率，最大值为预测结果，通过KDD99数据集对该模型进行测试，实验结果表明，提出的新模型相对于仅使用PNN或者NBC的单分类器，其对各类异常的分类效果具有更好的均衡性和更高的分类精度。

关键词：网络异常、概率神经网络、朴素贝叶斯分类器、融合、异常分类

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金No.61103223；江苏省自然科学基金重点研究专项No.BK2011003。

在线出版日期：2013-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：89-93